შესავალი მონაცემთა ვიზუალიზაციაში

• (მოკლე) შესავალი მონაცემთა ვიზუალიზაციაში;
• ვიზუალიზაციის ,,ფენოვანი" გრამატიკა;
• ggplot2 ბიბლიოთეკა;
• პრაქტიკული სამუშაოები;

• დავრწმუნდეთ, რომ ყველა თქვენგანს ჩამოტვირთული აქვს ggplot2 და dplyr ბიბლიოთეკა
• მიუთითეთ სამუშაო დირექტორია (კარგი პრაქტიკა)

library(ggplot2) #ვიზუალიზაცია
library(dplyr) #მონაცემთა მანიპულირება
library(gapminder) #სავარჯიშო მონაცემები Gapminder-იდან
library(scales) #ბიბლიოთეკა მასშტაბის სწორად მისათითებლად

წყარო: socviz.co

წყარო: socviz.co

წყარო: socviz.co

წყარო: socviz.co

• აჩვენეთ მონაცემები,
• ,,აიძულეთ“ მაყურებელი, იფიქროს მონაცემებზე,
• ნუ დაამახინჯებთ იმას, თუ რას ამბობს მონაცემები,
• წარმოადგინეთ ბევრი მონაცემი მცირე სივრცეში
• იყავით თანმიმდევრული
• წაახალისეთ მაყურებლის თვალი, ერთმანეთს სხვადასხვა კატეგორია შეადაროს
• წარმოადგინეთ მონაცემთა დეტალების სხვადასხვა დონე
• იფიქრეთ, თუ რა არის დიაგრამის მიზანი: აღწერა, აღმოჩენა, ტაბულაცია თუ - დეკორაცია
• დიაგრამა ტექსტთან ინტეგრირებული უნდა იყოს

• მონაცემების მიერ დიაგრამაზე დაკავებული ფართობი მათი რაოდენობრივი პროპორციების შესატყვისი უნდა იყოს
• მოიშველიეთ წარწერები, რათა დიაგრამაზე არსებული გაურკვევლობები ახსნათ

• აჩვენეთ მონაცემთა ვარიაცია და არა - დიზაინის ვარიაცია

• აჩვენეთ მონაცემები,
• გაზარდეთ მონაცემთა და ,,მელნის“ შეფარდება,
• წაშალეთ ის ,,მელანი”, რომელიც მონაცემებიდან არ მომდინარეობს,
• წაშალეთ უსარგებლო ,,მელანი", რომელიც მონაცემებიდან მომდინარეობს,
• გაუკეთეთ რედაქტირება თქვენს ნამუშევარს

წყარო: socviz.co

ადამიანის თვალი მიდრეკილია, მონაცემებში გარკვეული კანონზომიერებები ,,დაინახოს'' იმის მიუხედავად, არსებობს თუ არა ეს კანონზომიერება წყარო: socviz.co

• სიახლოვე: ერთმანეთთან ახლოს მდებარე მონაცემები ერთმანეთთან დაკავშირებულად გვეჩვენება
• მსგავსება: გარეგნულად შესადარი მონაცემები მსგავსად მიგვაჩნია
• კავშირი: მონაცემები, რომლებიც ვიზუალურად ერთმანეთთან დაკავშირებულია, მსგავსი გვგონია
• შევსება: ადამიანის თვალი ცდილობს, ნაწილობრივ დაფარული ფიგურები შეავსოს მისთვის ნაცნობი ფორმებით
• ,,საერთო ბედი'' - ელემენტები, რომლებიც თანმიმდევრული ტრაექტორიით ხასიათდებიან, ერთი ელემენტის ნაწილად მოიაზრებიან

წყარო: socviz.co

წყარო: menu.ge

• მონაცემები და ,,ესთეტიკა'';
• ობიექტები (,,გეომები'');
• სტატისტიკური ტრანსფორმაცია (,,სტატები'');
• მასშტაბი;
• წახნაგები (,,ფაცეტები'')

წყარო: socviz.co

data(gapminder)

p <- ggplot(gapminder)

p

• რა თქმა უნდა, როგორც ყველაფერი, ისე დიაგრამა ggplot2 გარემოში ობიექტს წარმოადგენს
• ,,ესთეტიკის'' კარტირება ხდება aes() ფუნქციის მეშვეობით.
• ,,ესთეტიკა'' აჩვენებს, თუ რა ცვლადები უნდა იქნას გამოყენებული დიაგრამაში

p <- ggplot(data = gapminder,
            mapping = aes(x = gdpPercap,
                          y = lifeExp))

p + geom_point()

• მივუთითოთ, თუ რას ვყენებთ მონაცემებად,
• მივუთითოთ, მონაცემთა შორის კავშირი,
• მივუთითოთ, თუ რა ფორმით გვსურს ამ კავშირის გამოსახვა
• ეს ყველაფერი ფენების სახით დავამატოთ დიაგრამას,
• გამოვიყენოთ დამატებითი ფუნქციები მასშტაბის, წარწერების, ღერძების და ა.შ. მანიპულირებისთვის

• თითოეული ცვლადი მოცემულია ცალკე სვეტში,
• თითოეული ჩანაწერი მოცემულია ცალკე რიგში,
• ჩანაწერის თითოეული ტიპი ქმნის ცხრილს,

წყარო: Wickham, 2010

წყარო: Wickham, 2010

• position: პოზიცია,
• color: ,,გარეთა ფერი",
• fill: ,,შიდა ფერი",
• shape: მარკერების ფორმა,
• linetype: წრფის ტიპი,
• size: ზომა

• გამომდინარე იქიდან, რომ ჩვენ ქვეცნობიერად ვცდილობთ, მონაცემებში (არ)არსებული დამოკიდებულებები დავინახოთ, საჭიროა, რეალურად არსებული მოდელები ვაჩვენოთ

p <- ggplot(data = gapminder,
            mapping = aes(x = gdpPercap,
                          y=lifeExp))
p + geom_point()+
    geom_smooth()

p <- ggplot(data = gapminder,
            mapping = aes(x = gdpPercap,
                          y=lifeExp))
p + geom_point()+
    geom_smooth()+
    scale_x_log10()

ggplot(gapminder,
          aes(x = gdpPercap,
          y=lifeExp))+
      geom_point(aes(color=continent))+
      geom_smooth()+
      scale_x_log10()

ggplot(gapminder,
          aes(x = gdpPercap,
          y=lifeExp))+
      geom_point(aes(color=pop))+
      geom_smooth()+
      scale_x_log10()

ggsave("gapminder_plot.png", device="png", height=5)

p <- ggplot(data = gapminder, mapping = aes(x = year, y = gdpPercap))
p + geom_line(color="gray70", aes(group = country)) +
    geom_smooth(size = 1.1, method = "loess", se = FALSE) +
    scale_y_log10(labels=scales::dollar) +
    facet_wrap(~ continent, ncol = 5) +
    labs(x = "Year",
         y = "GDP per capita",
         title = "GDP per capita on Five Continents")

• თუკი მონაცემებში არსებობს ლოგიკური კატეგორიები, მნიშვნელოვანია მათი ჩვენება
• ჩვენს შემთხვევაში, მონაცემთა კონტინენტების მიხედვით წარმოდგენა გაცილებით საინტერესო და მდიდარ ისტორიას გვიყვება
• ,,წახნაგები'' სწორედ ამაში გვეხმარება

• პროგრამაში შემოიტანეთ 2018 წლის დეკემბრის NDI-ის გამოკითხვის მონაცემები
• ჩამოტვირთეთ და გაააქტიურეთ ბიბლიოთეკა haven

ndi <- haven::read_dta("NDI_2018_Jun_16.07.18_Public.dta")

table(ndi$PARTYSUPP1)
prop.table(table(ndi$PARTYSUPP1))

• როგორც ვხედავთ, მოსახლეობის მხოლოდ მცირე ნაწილს აქვს პარტიული პრეფერენციები. უკეთესი ვიზუალიზაციისთვის საჭიროა, დავაჯგუფოთ მონაცემები
• მონაცემთა მანიპულირებისთვის dplyr ბიბლიოთეკა გამოგვადგება
• ფუნქციების თანმიმდევრობის უკეთ გამოსახატად ე.წ. პაიპ-ოპერატორები დაგვეხმარება

party <- ndi %>% 
  mutate(party = case_when(
    PARTYSUPP1 == 8 ~ 1,
    PARTYSUPP1 == 6 ~ 2,
    PARTYSUPP1 == 7 ~ 3,
    PARTYSUPP1 == -1 ~ 5,
    PARTYSUPP1 == -2 ~ 6,
    PARTYSUPP1 == 25 ~ 7,
    TRUE ~ 4
  )) %>%
  count(., party, wt = WTIND) %>%
    mutate(n/sum(n))

names(party) <- c("party", "frequency", "proportion")
party$party <- factor(party$party, levels=c(1, 2, 3, 4, 5, 6, 7),
                                   labels=c("GD", "UNM", "MLEG", "Other",
                                   "DK", "RA", "None"))

ggplot(party, aes(party, proportion))+
  geom_bar(stat="identity")

• მოდი, დავამატოთ სხვა ელემენტები:
  • სკალა შევზღუდოთ 100%-მდე,
  • გავუკეთოთ წარწერები
  • შევუცვალოთ ფონი
  • შევუცვალოთ ფერები (Color Brewer)

party.settype <- ndi %>% 
  mutate(party = case_when(
    PARTYSUPP1 == 8 ~ 1,
    PARTYSUPP1 == 6 ~ 2,
    PARTYSUPP1 == 7 ~ 3,
    PARTYSUPP1 == -1 ~ 5,
    PARTYSUPP1 == -2 ~ 6,
    PARTYSUPP1 == 25 ~ 7,
    PARTYSUPP1 < -2 ~ NA_real_,
    TRUE ~ 4
  )) %>%
  group_by(STRATUM)%>%
  count(., party, wt = WTIND) %>%
  mutate(n/sum(n))

names(party.settype) <- c("settlement",  "party", "frequency", "proportion")
party.settype$party <- factor(party.settype$party, levels=c(1, 2, 3, 4, 5, 6, 7),
                      labels=c("ოცნება", "ენმ", "ესმთ", "სხვა",
                               "არ ვიცი", "უარი", "სხვა"))
party.settype$settlement <- factor(party.settype$settlement, levels=c(1, 2, 3, 4, 5),
                      labels=c("თბილისი", "დიდი ქალაქი", "პატარა ქალაქი", "სოფელი", "ეთნ. უმცირესობები"))

• მოდი, დავამატოთ სხვა ელემენტები:
  • სკალა შევზღუდოთ 100%-მდე,
  • გავუკეთოთ წარწერები
  • შევუცვალოთ ფონი
  • შევუცვალოთ ფერები (Color Brewer)

ggplot(party.settype, aes(party, proportion))+
  geom_bar(aes(fill=party),stat="identity")+
  scale_fill_manual(values=c("#1f78b4", "#e31a1c", "#a6cee3", "#b2df8a", "#444444", "#999999", "#fb9a99"))+
  ylim(0, 1)+
  labs(title="რომელი პარტია დგას თქვენს შეხედულებებთან ყველაზე ახლოს?",
       subtitle="დასახლებული პუნქტის ტიპის მიხედვით")+
  theme_bw()+
  theme(legend.position = "none")+
  facet_grid(~settlement)

• ქირან ჰილის (დიუკის უნივერსიტეტი, ჩრდილო კაროლინა, აშშ) შესანიშნავი წიგნი: Data visualization - a practical introduction (https://socviz.co/index.html). წინამდებარე პრეზენტაცია სწორედ ამ წიგნიდან აღებულ მასალებს ეფუძნება
• ggplot2 ,,შპარგალკა''
• ggplot2: Elegant Graphics for Data Analysis
• ოფიციალური გვერდი
• რა თქმა უნდა, Stack Overflow

Kieran Healy: Data Visualization - A practical introduction Selva Prabhakaran: How to make any plot in ggplot2? Ista Zahn: R graphics workshop @ Harvard

david@sichinava.ge

davidsichinava

@davidsichinava